一种冷启动推荐方法和相关装置

本技术涉及冷启动推荐，特别是涉及一种冷启动推荐方法和相关装置。

背景技术：

1、在大数据时代，由于能够有效缓解信息过载问题，推荐系统被部署在了相当多的互联网服务中。

2、目前，推荐系统采用的推荐算法依据现有数据和对象的相似性来完成推荐任务，但是，当推荐系统出现新对象(例如新物品或者新用户)时，由于用户和物品之间交互的稀疏性，此时推荐系统通常无法有效工作，由此产生冷启动问题。例如，当新注册用户进入某电商平台时，这个用户的画像几乎是空白的，而传统推荐算法通常借助用户的浏览记录，好友，订单等用户画像信息为用户推荐内容，在面对新用户时，传统推荐算法无法准确完成推荐。

3、综上，由于新对象的交互有限，传统的推荐算法陷入了缺乏信息的困境，无法准确地向新用户推荐物品或向用户推荐新物品。

技术实现思路

1、有鉴于此，本技术提供了一种冷启动推荐方法和相关装置，用于解决现有技术存在的无法准确地向新用户推荐物品或向用户推荐新物品的问题，其技术方案如下：

2、一种冷启动推荐方法，包括：

3、获取目标用户与待评分物品的第一元路径集合、目标用户与已评分物品的第二元路径集合，以及目标用户对已评分物品的评分值，其中，第一元路径集合和第二元路径集合为异质信息网络中以对应物品为起点的元路径的集合，目标用户为已对少量物品评分的新用户和/或待评分物品为新物品；

4、分别提取目标用户、第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征，并将提取的第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征映射到同一嵌入空间；

5、基于目标用户的特征和映射到嵌入空间的特征，确定待评分物品相对于已评分物品的评分偏移量；

6、根据目标用户对已评分物品的评分值和评分偏移量，确定目标用户对待评分物品的评分预测值，以基于评分预测值确定是否为目标用户推荐待评分物品。

7、可选的，提取目标用户的特征的过程，包括：

8、提取目标用户的多个信息维度的特征；

9、通过一维卷积算法确定多个信息维度的特征的自适应权重；

10、基于自适应权重对多个信息维度的特征进行加权求和，得到提取的目标用户的特征。

11、可选的，第一元路径集合和第二元路径集合分别包括多个元路径子集合，多个元路径子集合为将对应元路径集合中的元路径按照元路径种类进行划分得到；

12、提取一元路径集合的特征的过程，包括：

13、提取该元路径集合包含的多个元路径子集合的特征；

14、将该元路径集合包含的多个元路径子集合的特征按照相似度由高到低或由低到高的顺序进行排序，对排序后的多个元路径子集合的特征进行多级一维卷积处理，其中，各级一维卷积处理的卷积参数不同且卷积核长度至少为2，在第一级一维卷积处理中，对排序后的多个元路径子集合中每相邻两个元路径子集合的特征进行一维卷积处理，得到第一级一维卷积处理下的融合特征，在后续的每级一维卷积处理中，对前一级一维卷积处理下的融合特征中每相邻两个融合特征进行一维卷积处理，直至仅余一个融合特征，作为该元路径集合的特征。

15、可选的，提取该元路径集合包含的多个元路径子集合的特征，包括：

16、对于该元路径集合包含的每个元路径子集合，提取该元路径子集合中每个元路径的特征，并计算该元路径子集合中各个元路径的特征的平均值，计算出的平均值作为该元路径子集合的特征，以得到该元路径集合包含的各个元路径子集合的特征。

17、可选的，将提取的第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征映射到同一嵌入空间，包括：

18、将提取的目标用户、第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征进行拼接，得到拼接后特征；

19、将拼接后特征包含的第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征映射到同一嵌入空间。

20、可选的，已评分物品包括多个物品，第二元路径集合包括已评分物品包含的各物品分别对应的第二元路径集合；

21、将提取的目标用户、第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征进行拼接，得到拼接后特征，包括：

22、对于已评分物品包含的每个物品，将提取的目标用户、待评分物品、第一元路径集合、该物品和该物品对应的第二元路径集合的特征进行拼接，得到该物品对应的拼接后特征；

23、将拼接后特征包含的第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征映射到同一嵌入空间，包括：

24、将各物品分别对应的拼接后特征所包含的目标特征映射到同一嵌入空间，其中，一物品对应的拼接后特征所包含的目标特征包括第一元路径集合的特征、待评分物品的特征、该物品对应的第二元路径集合的特征和该物品的特征。

25、可选的，待评分物品相对于已评分物品的评分偏移量包括待评分物品包含的每个物品相对于已评分物品的评分偏移量，目标用户对已评分物品的评分值包括目标用户对每个物品的评分值；

26、根据目标用户对已评分物品的评分值和评分偏移量，确定目标用户对待评分物品的评分预测值，包括：

27、将目标用户对每个物品的评分值与待评分物品相对于对应物品的评分值相加，得到以每个物品为预测基准的评分预测值；

28、计算以已评分物品包含的所有物品为预测基准的评分预测值的平均值，该平均值作为目标用户对待评分物品的评分预测值。

29、一种冷启动推荐装置，包括：

30、基础数据获取单元，用于获取目标用户与待评分物品的第一元路径集合、目标用户与已评分物品的第二元路径集合，以及目标用户对已评分物品的评分值，其中，第一元路径集合和第二元路径集合为异质信息网络中以对应物品为起点的元路径的集合，目标用户为已对少量物品评分的新用户和/或待评分物品为新物品；

31、特征提取映射单元，用于分别提取目标用户、第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征，并将提取的第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征映射到同一嵌入空间；

32、评分偏移量确定单元，用于基于目标用户的特征和映射到嵌入空间的特征，确定待评分物品相对于已评分物品的评分偏移量；

33、评分值预测单元，用于根据目标用户对已评分物品的评分值和评分偏移量，确定目标用户对待评分物品的评分预测值，以基于评分预测值确定是否为目标用户推荐待评分物品。

34、一种冷启动推荐设备，包括存储器和处理器；

35、存储器，用于存储程序；

36、处理器，用于执行程序，实现如上述任一项的冷启动推荐方法的各个步骤。

37、一种可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时，实现如上述任一项的冷启动推荐方法的各个步骤。

38、经由上述的技术方案可知，本技术提供的冷启动推荐方法能够从异质信息网络中获取第一元路径集合和第二元路径集合，可以在新用户和/或新物品的数据匮乏的条件下捕捉更多语义信息，有利于评分预测的准确性；同时，本技术能将第一元路径集合的特征、第二元路径集合的特征、待评分物品的特征和已评分物品的特征映射到同一嵌入空间，在同一嵌入空间中可以很容易地看到待评分物品和已评分物品分别相关的特征的偏差情况，映射到嵌入空间的特征结合目标用户的特征，可以准确地确定出待评分物品相对于已评分物品的评分偏移量，基于该评分偏移量确定出的评分预测值与目标用户对待评分物品的真实评分值更一致，进而基于评分预测值为目标用户推荐物品，推荐结果更准确。